La definición y medición de la pobreza son temas controversiales y esenciales para el diseño de políticas públicas eficaces. El método tradicional basado en la línea de pobreza monetaria ha sido fuertemente cuestionado por el paradigma multidimensional que postula la necesidad de considerar otras dimensiones no monetarias tales como educación y empleo, entre otras. Investigaciones recientes en Argentina, que adoptan esta concepción multidimensional de la pobreza, recurren de manera apropiada a la técnica estadística del análisis factorial robusto para la identificación y medición de las dimensiones. Sin embargo, no prestan debida atención a la fiabilidad y validez de las mediciones obtenidas. Uno de los principales problemas es que no verifican la invarianza longitudinal. El cumplimiento de esta propiedad asegura que la forma de identificar y medir las dimensiones latentes subyacentes sea estable en el tiempo. Si esto no sucede, entonces los cambios observados a lo largo del tiempo pueden ser reflejo de alteraciones en lo que está siendo medido (cambios en la estructura dimensional de la pobreza), en lugar de modificaciones en el nivel de los constructos. La evaluación de la invarianza longitudinal se vuelve entonces una cuestión crítica para derivar conclusiones válidas respecto a variaciones de la pobreza multidimensional en el tiempo y realizar recomendaciones de política.
El objetivo de este trabajo es examinar la estabilidad dinámica de la pobreza multidimensional en Argentina a través de un análisis de invarianza longitudinal aplicado sobre modelos robustos de análisis factorial exploratorio (AFE) y análisis factorial confirmatorio (AFC).
Se utilizan micro-datos de la Encuesta Permanente de Hogares (EPH) de los cuartos trimestres de los años correspondientes a los periodos 2003-2006 y 2016-2019, seleccionados por ser representativos de fases diferentes del ciclo económico: recuperación y recesión. Se pretende de esta manera evaluar la invarianza longitudinal de la estructura dimensional y parámetros estimados en dos sentidos, uno para años consecutivos dentro un mismo contexto económico y otro para periodos enmarcados en coyunturas diametralmente opuestas. Previamente, para cada año y período se realiza un AFE con el 50% de la muestra y luego un AFC con el 50% restante. Con el AFE se evalúa la validez convergente y discriminante, como así también la adecuación de los datos y la consistencia interna. Con el AFC se confirma la bondad de ajuste. Todo el procesamiento es realizado con Stata 16.
Los resultados indican que tres dimensiones subyacerían a la pobreza en Argentina: capacidad económica, condiciones de infraestructura de la vivienda y entorno sociodemográfico. El nivel máximo de invarianza alcanzado para años consecutivos de un mismo contexto fue la invarianza débil, nivel que establece que las cargas factoriales son constantes en el tiempo. Por su parte, la evaluación entre períodos alcanzó como máximo nivel la invarianza configuracional, asegurándose únicamente la igualdad en la estructura factorial de un período a otro.
Estos resultados no son triviales ya que condicionan los estudios dinámicos de pobreza multidimensional, restringiendo las conclusiones a las que pueden arribarse al comparar los resultados de un año a otro, y más aún de contextos diferentes.
Palabras clave
Ponencia Online
Documentación de apoyo a la presentación ONLINE de la ponencia
Documento Complementario de Apoyo
Descargar Resumen-Satorres-Bechara-Moneta-Pizarro.pdf
Pilar Fernandez Sanchez
Comentó el 10/12/2020 a las 20:48:57
Muchas gracias por su trabajo, me ha parecido muy interesante.
Querría preguntarles si les ha sorprendido los resultados obtenidos en cuanto a las dimensiones o esperaban otros resultados.
También querría preguntarles si creen que la covid pueda cambiar esa estructura subyacente. ¿Es posible determinar de alguna forma cuales son las variables que más afecta a esas dimensiones?¿Es posible desagregar de alguna forma para encontrar esas variables ?
Muchas gracias
Responder
Ana Paula Satorres Bechara
Comentó el 10/12/2020 a las 21:30:50
Estimada Pilar, muchas gracias por tu respuesta.
Los resultados eran los esperados ya que las dimensiones halladas coinciden con otros trabajos previos, en especial Fagnola & Moneta (2018).
Respecto a los cambios producidos por el Covid, es posible que la estructura subyacente haya cambiado. Una de las principales conclusiones del trabajo es que, en particular ante cambios en el contexto macroeconómico, la estructura factorial puede verse afectada. Es por eso que hay que ser cautelosos al realizar comparaciones intertemporales.
Responder
Adrián Maximiliano Moneta Pizarro
Comentó el 10/12/2020 a las 21:34:30
Estimada Pilar, muchas gracias por tu interés en nuestro trabajo. En cuanto a tus preguntas, en primer lugar podemos decirte que los resultados no nos sorprendieron mucho porque en una investigación previa también habíamos encontrado tres dimensiones. No obstante, en relación a la teoría esperábamos 5 dimensiones.
En segundo lugar, creemos que la pandemia del Covid puede haber afectado la estructura subyacente. No podemos confirmarlo aún por falta de datos actualizados, pero claramente nuestra hipótesis es un posible cambio estructural.
Por último, con un marco teórico apropiado y aplicación de técnicas de modelos de ecuaciones estructurales (SEM), es posible determinar cuáles son las variables que probablemente más afecten las dimensiones de la pobreza.
Saludos cordiales.
Responder
Laura Isabel Luna
Comentó el 10/12/2020 a las 18:34:04
Estimados, excelente trabajo, necesario además. En cuanto a esto les consulto, desde un punto de vista más general y no conociendo en detalle los procedimientos, la recomendación es entonces analizar cada período por separado, y existe un impacto mayor en alguna dimensión en particular al no cumplirse este supuesto.
Responder
Adrián Maximiliano Moneta Pizarro
Comentó el 10/12/2020 a las 20:19:07
Estimada Laura, una de las implicancias del trabajo es que las dimensiones de la pobreza parecen ser estables en el tiempo, pero tratándose de mediciones lo mejor es realizar un análisis período por período, sin entrar en comparaciones intertemporales.
Responder